

2026年5月底，微软做了一个决定。

开源了一个叫 **SkillOpt** 的框架。

一周内，GitHub Star 破3000。

这不是一个普通的项目。

它是一个**让 AI 技能自我进化的系统**。

说真的，这太荒诞了。

我们本来是想让更智能的 AI 帮我们干活。

结果现在，我们在花大量精力教 AI 怎么更好地干活。

就像父母教孩子写作业。

只不过，这个"孩子"是一个大语言模型。

而"作业"，是它自己的技能文档。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-11859176/c98e10121cf5692b467e090fc3618c25.png)

---

## SkillOpt 是什么：技能的"神经网络训练"

先说说 SkillOpt 到底是什么。

官方定义：**文本空间优化框架**。

翻译成大白话就是。

它可以自动优化 AI Agent 的技能文档（Skills）。

不需要人工干预。
不需要手动调整。
全自动。

![在这里插入图片描述](https://developer.qcloudimg.com/http-save/yehe-11859176/1536e144ceb2991d7efe1139da0c6a64.png)

### 核心思想

SkillOpt 的核心思想很简单。

**把技能文档视为"外部权重"。**

就像神经网络的权重一样。

通过梯度下降来优化。

只不过，这里优化的不是数字参数。

而是**文本指令**。

### 工作原理

SkillOpt 的工作流程是这样的。

**第一步：初始化**

你有一个初始的技能文档。

比如，一个 Python 代码生成的 Skill。

里面写着各种规范和示例。

**第二步：执行任务**

让 AI Agent 使用这个 Skill 执行任务。

比如，生成一段排序算法的代码。

**第三步：评估结果**

检查生成的代码是否正确。

如果错了，记录错误类型。

**第四步：优化文档**

根据错误反馈，自动修改 Skill 文档。

可能是添加新的示例。
可能是澄清模糊的指令。
可能是删除冗余的规则。

**第五步：迭代**

重复第二步到第四步。

直到性能达到最优。

这个过程，就像训练神经网络。

只不过，训练的对象是文本。

而不是数字。

---

## 惊人的效果：52项评测全优

SkillOpt 的效果有多好？

看看数据。

微软在 **52个评测组合**上测试了 SkillOpt。

结果是什么？

**全部获得最优成绩。**

注意，是"全部"。

不是"大部分"。
不是"某些场景"。

是全部。

### 具体提升

在一些关键任务上，提升尤其明显。

**表格操作任务（SpreadsheetBench）**：提升38.9分。

这是什么概念？

假设原来的准确率是60%。

现在是98.9%。

几乎完美。

**办公问答任务（OfficeBench）**：提升24.5分。

从勉强可用，到非常可靠。

**小模型性能**：平均提升24.9分。

这意味着什么？

意味着你可以用更小的模型，达到更大的模型的效果。

节省成本。
提高速度。
保持质量。

三赢。

---



### 从 Prompt Engineering 到 Skill Optimization

过去两年，我们一直在谈论 Prompt Engineering。

如何写出好的 prompt。
如何让 AI 理解你的意图。
如何避免 AI 产生幻觉。

这是一门艺术。

也是一门科学。

但它的本质是什么？

**是手动的、一次性的、依赖经验的。**

你需要有经验的工程师。
需要大量的试错。
需要不断的调整。

SkillOpt 改变了这一点。

它把手动的过程，变成了**自动的**。

把一次性的调整，变成了**持续的**。

把依赖经验的技巧，变成了**系统化的方法**。

这是一种解放。



SkillOpt 的真正价值，不只是提高性能。

而是它代表了一个趋势。

**AI 开始能够自我完善。**

以前，我们需要手动编写 prompt。
手动调整参数。
手动优化技能。

现在，AI 可以自己优化自己。

它可以根据任务的反馈。
自动调整指令。
自动改进表现。

这是一种**元学习**（meta-learning）。

AI 不仅在学习如何完成任务。

还在学习如何更好地学习。

这让我想起冯·诺依曼的自复制机器理论。

一个系统，如果能够修改自己的指令集。

它就具备了进化的能力。

SkillOpt 就是这种能力的初步体现。

---



## 写在最后：进化的加速器

SkillOpt 代表了一个重要的趋势。

**AI 正在从被动工具，变成主动参与者。**

它不再只是执行指令。

它还在学习如何更好地执行指令。

这是一种进化。

而 SkillOpt，是进化的加速器。

它让 AI 能够更快地适应新的任务。
更快地优化自己的表现。
更快地满足用户的需求。

这让我想起达尔文的自然选择理论。

物竞天择，适者生存。

在 AI 的世界里，也是同样的道理。

能够快速适应、快速优化的 AI。

会在竞争中胜出。

而 SkillOpt，就是帮助 AI 适应的工具。

**但不是终点。**

因为进化，永远不会停止。

今天，我们优化的是 Skills。

明天，我们优化的可能是架构。
可能是训练方法。
可能是整个 AI 系统。

而人类的角色，会从"执行者"变成"引导者"。

从"写代码"变成"定义目标"。

从"解决问题"变成"提出问题"。

这是一种转变。

也是一种机遇。

抓住它的人，会在新的时代中胜出。

错过它的人，会被时代淘汰。

选择权，在你手中。

--- 

如何写出好的 prompt。如何让 AI 理解你的意图。如何避免 AI 产生幻觉。

微软又开源了一款Skill神器

人工智能

开发工具

微软SkillOpt框架革新AI技能优化，实现52项评测全优表现。这个开源项目让AI自动优化技能文档，表格操作任务准确率提升38.9分，办公问答提升24.5分。通过梯度下降优化文本指令，小模型性能平均提升24.9分，标志着AI从被动工具向主动学习者的转变。

Python

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

微软又开源了一款Skill神器-腾讯云开发者社区-腾讯云

微软又开源了一款Skill神器

微软又开源了一款Skill神器

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐